So hört der Chatbot auf zu lügen und zu schwafeln

Titel Artikel FAAS

Ende 2022 schlug ChatGPT ein wie eine Bombe: KI-Software, mit der man sich unterhalten kann wie mit einem Menschen. Das Beispiel machte in Rekordtempo Schule, schnell waren Chatbots auf Basis von großen Sprachmodellen (LLMs) auch aus Unternehmen nicht mehr wegzudenken – man musste sich nicht mehr mühsam durch Menüs klicken und alles vordefinieren, sondern konnte einfach sagen, was man möchte, und staunen… das war ein Paradigmenwechsel.

Vier Jahre später ist die Stimmung nicht mehr so überschwänglich. Denn je stärker Unternehmen Generative KI eingesetzt haben, desto mehr haben sie inzwischen auch leidvoll ihre Grenzen kennengelernt: Es sind eben Sprachmodelle, nicht Daten- oder Weltmodelle. Dementsprechend generieren sie Antworten, die sprachlich eloquent und anschlussfähig klingen – und nehmen es zum einen dabei mit der Wahrheit nicht sonderlich genau, während sie zum anderen demjenigen, der sie promptet, nach dem Mund “reden” und so zwei verschiedenen Menschen oft dieselbe Frage unterschiedlich beantworten. Zugleich sind LLM-Chatbots nicht in der Lage, belastbar Rechenschaft abzulegen, wie sie zu einem Urteil gelangen. Und last but not least: Da sie generisch vortrainiert sind neigen sie dazu, ins wohlklingende aber eben generische Schwafeln abzudriften.

Wäre es nicht fantastisch, diese Schwächen auszumerzen – dabei aber die Stärken zu erhalten: das “Zwiegespräch” mit dem Algorithmus und dessen Fähigkeit, assoziativ zu denken und kreativ zu werden?

Die Lösung liegt im Teamwork der verschiedenen KIs

Während verschiedene LLM-Anbieter an diesem Projekt bisher gescheitert sind, ist es uns im Rahmen unserer NEUTRUM.AI tatsächlich gelungen. Wie das? Indem wir nicht versucht haben, aus einer einzigen Technologie heraus den Knoten zu durchschlagen, sondern die drei verschiedenen Arten der KI dafür zu einem Team zusammengespannt haben:

Agentische KI interpretiert die Anfrage des Nutzers und startet dazu die tatsächliche Erhebung der Daten – wo Generative KI generisch vortrainiert ist (also, platt ausgedrückt, quasi das Internet auswendig gelernt hat) und dann lediglich abruft, ob sie mit diesem Thema etwas verbindet, suchen und erheben unsere Agenten live die Daten direkt an der Quelle.

Analytische KI übernimmt die Integration und Analyse dieser Daten und das Rechnen von Modellen und Szenarien damit – denn sie ist darauf ausgerichtet, jede Aussagen direkt auf überprüfbare Fakten zu gründen, halluziniert nicht und kann stets aufzeigen, auf Basis welcher Daten und Wege sie zu einem Schluss kommt und wie sicher sie sich dabei ist.

Generative KI erhält die Anweisung, sich strikt auf die Daten und Ergebnisse der Analytischen KI zu berufen und entwickelt auf dieser Basis Darstellungen, Erklärungen, Konzepte und Strategien. Diese Aussagen werden von der Agentischen KI wiederum gegen die Befunde der Analytischen KI fact-checked und nur stehengelassen, wo sie tatsächlich damit belegbar sind.

Zwei Beispiele aus der Praxis – mit NEUTRUM

1. Verstehen, wie ich Knäckebrot positionieren kann

Ein führender Hersteller von Knäckebrot möchte verstehen, was Menschen für Knäckebrot begeistert, was es dabei für verschiedene Lager gibt und mit was für einer Argumentation auf welchen Kanälen und über welche Meinungsbildner er sie für sich gewinnen kann.

a) Die NEUTRUM-Agenten erheben aus allen angeschlossenen Systemen und dem Open Web die relevanten Daten live: Google-Suchen, Gemini-Anfragen, Social Media Beiträge, Produktbewertungen, Rezepte, Diskussionen in Foren und interaktionsstarke Inhalte auf Portalen und in journalistischen Medien.

b) NEUTRUMs Analytische KI analysiert diese Daten und erstellt daraus eine “mentale Landkarte” nach Art eines Knowledge Graphs – ein Netzwerk, das mathematisch korrekt und nachvollziehbar zeigt, welche Themen und Konzepte die Menschen wie zentral für Knäckebrot begeistert und was sie damit jeweils verbinden. Außerdem ermittelt NEUTRUM für jedes Thema und jede Argumentationsfigur die geeignetsten Kanäle, Meinungsbildner und Kommunikationszeitpunkte – nach verschiedenen Kriterien, z.B. maximale Reichweite vs. maximale Reaktionen.

c) ChatGPT (oder ein beliebiges anderes LLM) erhält genau diese Daten und Befunde als verbindliche Datenbasis mitsamt einer vom NEUTRUM-Agentensystem vorgegebenen Antwortstruktur, die den Chatbot zwingt, seine Aussagen nach Hypothese und Belegen dafür zu strukturieren und zu referenzieren. Auf dieser Basis bereitet der LLM-Chatbot die Ergebnisse gut verständlich auf, beantwortet Fragen dazu, schlägt Strategien vor und entwickelt Kreativansätze. Jede Aussage wird dabei, bevor sie angezeigt wird, von den NEUTRUM-Agenten gegen die Ergebnisse NEUTRUMs Analytischer KI ge-fact-checked.

2. Werbekampagnen über alle Kanäle ROI-optimiert planen

Ein führender Hersteller von Naturmedizin will die durch Werbung erzielten Mehrumsätze für alle Kanäle und Aktionen – online wie offline – präzise ermitteln und auf dieser Basis den Media Mix und das Timing seiner Kampagnen vorausschauend so festlegen, dass sie optimale Umsätze einspielen.

a) Die NEUTRUM-Agenten ziehen die relevanten Daten aus allen angeschlossenen Systemen (z.B. TikTok, Google Analytics, Salesforce etc.) und mit der Datenbank verbundenen Reports (z.B. Verkaufs-Reports von Handelspartnern, Schaltpläne der Mediaagenturen). Ebenfalls identifizieren und erheben sie im Open Web und in verbundenen Systemen Dritter mögliche äußere Einflussfaktoren wie z.B. Wetter, Krankheitsinzidenzen, Ferienzeiten etc.

b) NEUTRUMs Analytische KI attribuiert im Rahmen eines automatischen Marketing Mix Modelings die Ergebnisbeiträge der Kanäle und Maßnahmen unter Einbeziehung der äußeren Einflussfaktoren. Hierbei betrachtet sie auch Hochlauf- und Nachhalleffekte sowie Wechselwirkungen und untersucht Grenznutzen und Grenzkosten. Auf dieser Basis erlaubt sie die interaktive Berechnung von Szenarien für frei definierbare Zeiträume, Budgets und Media Mixe – immer mit Angabe, wie viel Verbesserung damit erzielbar ist und wie sicher sich das Modell in dieser Aussage ist.

c) ChatGPT (oder ein beliebiges anderes LLM) erhält genau diese Daten und Befunde als verbindliche Datenbasis mitsamt einer vom NEUTRUM-Agentensystem vorgegebenen Antwortstruktur, die den Chatbot zwingt, seine Aussagen nach Hypothese und Belegen dafür zu strukturieren und zu referenzieren. Auf dieser Basis erklärt der Chatbot die Ergebnisse nicht nur, sondern erstellt differenzierte Mediapläne, um die Ziele des Nutzers zu erreichen, und kann diese z.B. zu Briefings für Mediaagenturen ausarbeiten. Jede Aussage wird dabei, bevor sie angezeigt wird, von den NEUTRUM-Agenten gegen die Ergebnisse NEUTRUMs Analytischer KI ge-fact-checked.

… und so kommen Marketing & Vertrieb zu einem echten Autopiloten

Es geht eben doch: Das Beste aus allen Welten. Wie bei Menschen kommt es auch bei KIs dabei darauf an, das richtige Team an unterschiedlichen Fähigkeiten zusammenzustellen und dabei sicherzustellen, dass diese ganz verschiedenen Charaktere konstruktiv zusammenarbeiten, Jeder in seiner Stärke.

Wie auf diese Weise die besten menschlichen Marketing- & Vertriebs-Teams entstehen, entstehen so auch die besten KI-Teams. Doch das geschieht erst dann, wenn wir aufhören, eine einzelne Technologie, ein einzelnes Modell zu hypen und als Lösung für Alles darzustellen. Sondern wenn wir Use Cases und Prozesse in den Mittelpunkt stellen – und damit KI auf den Menschen ausrichten, nicht andersherum.

Bei NEUTRUM gibt es genau das in einer integrierten Lösung – von Menschen für Menschen, mit der Kraft der 3 KIs. Das FAAS – das System, mit dem Bots nicht mehr lügen und schwafeln – ist immer ohne Aufpreis dabei. Hole Dir gleich Deinen Account und probiere es aus!

Neueste Beiträge

Aufmunternde Nachrichten fürs Jahresendgeschäft: Zu Black Friday und Weihnachten prognostiziert unsere Explainable AI besseren Absatz als im desaströsen Vorjahr. Doch …
en_GBEnglish